边缘 AI (Edge AI) 与代理式网络
是什么 / 为什么重要
研47-Cloudflare 的估值支点概念。先厘清「边缘」的四层（避免混淆）：
| 层 | 延迟 | 代表玩家 |
|---|---|---|
| 装置端 On-device | <10ms | Apple 神经引擎、Gemini Nano |
| 近边缘（主战场） | 10-50ms | NET Workers AI、Akamai、Fastly |
| 区域云端 | 20-80ms | AWS Local Zones、Azure Edge Zones |
| 集中式云端 | 50-200ms+ | AWS us-east-1（大模型训练/复杂推论） |
Cloudflare 定位第二层「Cloud at the Edge」：不跟 Apple 抢手机芯片，不跟 AWS 抢训练 GPT-6，只抢中间那块「需即时反应 + 全球分散 + 比手机强算力」的空白地带。
两个结构性转变
- 推论 > 训练：训练是一次性资本支出（GPT-5 训数月用一年），推论是持续营运支出（每秒亿计请求）。推论市场 2025 ~
1060亿 → 2030 >2550亿（CAGR ~20%），Edge 子市场 CAGR 20-37%，且推论「最好发生在离用户近的地方」——这是物理问题，再强的 GPU 也救不了跨太平洋 230ms 延迟。 - 代理式网络 (Agentic Internet)：过去请求由「人」发出（1 任务 5-10 请求），现在由「AI 代理」发出（1 任务 500-1000 请求）。企业从「100 员工」→「1000 个 AI 代理」，网络请求量 5-10 年内放大 50-100 倍。这是 杰文斯悖论 的网络流量版。
代理流量三特性：极度仰赖低延迟、安全防护(提示词注入/无限循环耗预算)、全球分散——恰好对应 Cloudflare 15 年建的边缘运算/资安/全球网。
为什么 usage-based 在此是结构性红利
代理化对 按用量计费 的 seat-based SaaS 是毁灭（100 客服→10 代理，Salesforce/ServiceNow 席位腰斩），但对按请求/token 计费者是顺风：每多一个代理运作，计费器多跳一次。
关键玩家 / 争议点
- NET——三张牌：335 城市 GPU 节点、Serverless 把 GPU 使用率推到 70-80%（vs AWS 30-50%，单位成本低近一半）、自研推论引擎 Infire + Unweight 压缩。
- 风险：大部分推论目前仍在集中式云端（模型太大/规模经济/管理简单）；Edge 能分到的乐观 30-40%、悲观 10-15%；且「用量爆发但尚未大规模变现」——请求量≠营收。